电信行业用户稳定性与用户特征的双向分析

演讲摘要

2013年我们移动通信用户总数超过10亿大关，而预计今年用户总数将会增加至20亿。如此庞大的用户量必然产生了巨大的数量。作为数据挖掘应用的重点行业，电信业如何利用这个庞大的原始数据，针对不同的客户采取不同的营销策略，从而为公司增加收益呢？

对于电信公司来说，用户新增入网之后，将会经过三个阶段，分别是新增入网时的成本投入阶段，之后到成熟稳定的价值贡献阶段，最后用户就会逐渐衰退流失，为零负收益阶段。显然，用户在稳定期时收益贡献率最高，那如何判别新增入网的用户之后是否会成为这个时期的稳定用户呢。本报告通过观察，先定义稳定用户为在网时长24个月以上用户，作为用户的稳定性标识，从800万数据中抽取1%为样本，筛选出25个相关指标，利用随机森林算法建立了用户稳定性模型来实现对用户初入网3个月的短期行为的分析，以此预测该用户是否能成为稳定用户的目标，从而锁定非稳定用户作为营销对象。

此外，针对用户的不同行为特征，本报告利用Kmeans聚类分析将用户纵向划分为六个不同的群体，分别是优质高端群、贵中求惠群、繁忙潜力群、融合捆绑群、消极使用群和套餐快销群。对应不同群体的特征，公司便能做出针对性的营销策略，增加不同群体中稳定用户的数量，提高各群体的收益贡献。经过评估，稳定性模型的准确率达90%以上，说明模型效果非常好，具有实际可操作性。